基于总对称变动加权的 G-范数图像分解
计算机视觉与模式识别
2025-03-31 v1
摘要
本文提出了一种用于将图像分解为各自卡通部分和纹理部分的新型变分模型。该模型通过其总对称变动 (TSV) 来刻画任意有界变动 (BV) 图像的某些非局部特征。我们证明了 TSV 在识别区域边界方面具有有效性。基于此属性，我们引入一种加权的 Meyer 的 -范数，以识别纹理内部而不包含轮廓边缘。对于具有有界 TSV 的 BV 图像，我们证明了该模型具有解。此外，我们设计了一种基于算子分割的快速算法来处理相关的非凸优化问题。通过一系列数值实验验证了我们方法的性能。
引用
@article{arxiv.2503.22560,
title = {Image Decomposition with G-norm Weighted by Total Symmetric Variation},
author = {Roy Y. He and Martin Huska and Hao Liu},
journal= {arXiv preprint arXiv:2503.22560},
year = {2025}
}